استفاده از شبکه عصبی مصنوعی و مقایسه آن با رگرسیون لجستیک در پیش بینی اختلالات روانی بعد از تروما در بیماران دچار آسیب مغزی خفیف
Authors
Abstract:
مقدمه: امروزه شبکه های عصبی مصنوعی در پیش بینی اثرات متغیرهای متعدد و با روابط پیچیده بر روی یک متغیر خاص مورد توجه قرار گرفته است. در این مطالعه، قدرت شبکه عصبی مصنوعی در پیش بینی اختلالات روانی بعد از تروما در بیماران دچار آسیب مغزی خفیف با رگرسیون لجستیک مقایسه شد. مواد و روش ها: در یک مطالعه کوهورت آینده نگر، 100 نفر بیمار ترومایی ارجاع شده به مرکز ترومای بیمارستان شهید بهشتی کاشان طی مدت 6 ماه مورد بررسی قرار گرفتند. سپس بیماران ترومایی به طور تصادفی به دو گروه آموزشی(50 نفر) و آزمایشی(50 نفر) تقسیم شدند. چهارده متغیر سن، جنس، شغل، سطح تحصیلات، وضعیت تاهل، وضعیت اقتصادی، سابقه قبلی اختلال روانی در بستگان درجه یک، سابقه بستری در بخش جراحی اعصاب، سابقه قبلی تروما، سابقه بیماری زمینه ای، سابقه مصرف دارو سایکولوژیکی، سابقه بیهوشی، سابقه استفاده از الکل، سابقه استفاده از مواد مخدر در این افراد بررسی شدند. سیصد مدل شبکه عصبی مصنوعی و رگرسیون لجستیک در گروه اول ساخته و در گروه دوم مقادیر پیش بینی شده توسط دو مدل نهایی مقایسه شدند. برای تخمین قدرت پیش بینی اختلال روانی از منحنی راک و صحت کلاس بندی استفاده گردید. یافته های پژوهش: نتایج این مطالعه نشان داد، شاخص درصد پیش بینی درست برای مدل شبکه های عصبی برابر 65/90 درصد و برای رگرسیون لجستیک برابر 96/75 درصد می باشد. بحث و نتیجه گیری: مدل های شبکه عصبی مصنوعی در پیش بینی اختلال روانی از مدل رگرسیون لجستیک قوی تر بودند. این تفاوت نشانگر قدرت بیشتر مدل های مبتنی بر شبکه های عصبی مصنوعی در پیش بینی موارد اختلال روانی با استفاده از ریز فاکتورهای مختلف و لزوم استفاده از این فناوری در موارد غربالگری جمعیتی می باشد. /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal" mso-tstyle-rowband-size:0 mso-tstyle-colband-size:0 mso-style-noshow:yes mso-style-priority:99 mso-style-parent:"" mso-padding-alt:0cm 5.4pt 0cm 5.4pt mso-para-margin-top:0cm mso-para-margin-right:0cm mso-para-margin-bottom:10.0pt mso-para-margin-left:0cm line-height:115% mso-pagination:widow-orphan font-size:11.0pt font-family:"Calibri","sans-serif" mso-ascii-font-family:Calibri mso-ascii-theme-font:minor-latin mso-hansi-font-family:Calibri mso-hansi-theme-font:minor-latin}
similar resources
مقایسه ی شبکه ی عصبی مصنوعی با رگرسیون لجستیک در پیش بینی اختلالات روانی بعد از تروما در بیماران دچار آسیب مغزی خفیف
هرچند آسیب مغزی شدید میتواند افراد را مستعد ابتلا به اختلال روانی کند، در مورد آسیب تروماتیک مغزی خفیف هنوز جای بحث و بررسی وجود دارد. هدف این پژوهش مقایسه ی قدرت شبکه عصبی مصنوعی در پیشبینی بروز اختلال روانی بعد از تروما در بیماران دچار آسیب مغزی خفیف با رگرسیون لجستیک بود. برای این منظور در یک مطالعه کوهورت آینده نگر، 100 نفر بیمار ترومایی ارجاع شده به مرکز ترومای بیمارستان شهید بهشتی کاشان...
full textبررسی فاکتورهای موثر بر پیش بینی اختلال روانی در بیماران تروماتیک مغزی خفیف با استفاده از مدل رگرسیون لجستیک
مقدمه: آسیب مغزی شدید می تواند افراد را مستعد ابتلاء به اختلال روانی نماید. اما در مورد آسیب تروماتیک مغزی خفیف هنوز جای بحث و بررسی وجود دارد. اهداف این پژوهش پیش بینی عوامل خطرزای اختلال روانی پس از وقوع آسیب مغزی تروماتیک خفیف می باشد. مواد و روش ها: این مطالعه کوهورت آینده نگر، بر روی 72 بیمار مبتلا به MTBI و 72 نفر فرد سالم انجام شد. پس از گذشت 6 ماه پیگیری، افراد جهت ارزیابی آزمون حافظه ...
full textمقایسه قدرت پیش بینی شبکه عصبی مصنوعی با رگرسیون لجستیک چندگانه در تفکیک بیماران دیابتی رتینوپاتی از غیر رتینوپاتی
Background: Diabetes mellitus is a high prevalent disease among the population, and if not controlled, it causes complications and irreparable damage to the eye and cause blindness. This study goal is to investigate the predictive power of multiple logistic regression model and the Artificial Neural Network Multi-layer Perceptron (MLP) in determining patients with and without diabetic...
full textبررسی فاکتورهای موثر بر پیش بینی اختلال روانی در بیماران تروماتیک مغزی خفیف با استفاده از مدل رگرسیون لجستیک
مقدمه: آسیب مغزی شدید می تواند افراد را مستعد ابتلاء به اختلال روانی نماید. اما در مورد آسیب تروماتیک مغزی خفیف هنوز جای بحث و بررسی وجود دارد. اهداف این پژوهش پیش بینی عوامل خطرزای اختلال روانی پس از وقوع آسیب مغزی تروماتیک خفیف می باشد. مواد و روش ها: این مطالعه کوهورت آینده نگر، بر روی 72 بیمار مبتلا به mtbi و 72 نفر فرد سالم انجام شد. پس از گذشت 6 ماه پیگیری، افراد جهت ارزیابی آزمون حافظه ...
full textمقایسه قدرت پیش بینی شبکه عصبی مصنوعی با رگرسیون لجستیک چندگانه در تفکیک بیماران دیابتی رتینوپاتی از غیر رتینوپاتی
زمینه و هدف: بیماری دیابت شیوع بالایی در جامعه دارد و در صورت عدم کنترل، دارای عوارض جبران ناپذیری است و باعث آسیب زدن به چشم و نابینایی می شود. هدف این مطالعه مقایسه کارایی و قدرت پیش بینی مدل آماری رگرسیون لجستیک چندگانه با مدل شبکه عصبی مصنوعی پرسپترون چندلایه(mlp) در تفکیک بیماران دیابتی دارای رتینوپاتی از دیابتی بدون رتینوپاتی است. روش کار: نمونه ها از بین 16000 پرونده بیماران دیابتی مرک...
full textمقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص همزمان بیماری فشارخون و دیابت
Background : Diabetes and hypertension are from important non-communicable diseases in the world and their prevalence are very important for health authorities. The objective of this study was to compare the predictive precision of joint logistic regression (LR) and artificial neutral network (ANN) in concurrent diagnosis of diabetes and hypertension. Methods : This cross-sectional study wa...
full textMy Resources
Journal title
volume 24 issue 4
pages 11- 20
publication date 2016-11
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023